DeepSeek telah menghadirkan pendekatan revolusioner dalam pengembangan AI. DeepSeek bukan sekadar perusahaan AI biasa; ini adalah sebuah perubahan besar dalam cara kita memahami kecerdasan buatan. Tim di baliknya bukan hanya sekadar insinyur, tetapi juga ahli matematika yang berpikir di luar kebiasaan. Mereka tidak terikat dengan metode AI tradisional dan menemukan cara baru untuk membangun model, mengelola data, serta menciptakan infrastruktur yang lebih cerdas. Dampak terbesar DeepSeek bukan hanya pada model AI yang telah mereka buat, tetapi juga pada visi mereka untuk masa depan infrastruktur AI. Saya yakin, pendekatan ini telah membuat banyak pakar AI berpikir ulang tentang cara mereka membangun dan mengembangkan teknologi ini. Bangkitnya Model AI yang Lebih Kecil dan Lebih Cerdas Selama ini, industri AI berfokus pada model besar yang dilatih dengan jutaan bahkan miliaran data. Namun, DeepSeek membuktikan bahwa model yang lebih kecil dan lebih spesifik justru lebih efektif. Pendekatan mereka menggunakan mixture-of-experts model, di mana beberapa model kecil yang sangat terlatih bekerja bersama. Ini adalah perubahan besar. Daripada mengandalkan satu model besar untuk menyelesaikan semua tugas, perusahaan kini bisa menggunakan jaringan model yang lebih kecil, masing-masing ahli di bidangnya. Manfaatnya sangat besar: Biaya lebih rendah: Model yang lebih kecil membutuhkan daya komputasi lebih sedikit, yang tidak hanya menghemat biaya tetapi juga meningkatkan efisiensi. Lebih mudah diuji: Model yang lebih fokus lebih mudah divalidasi dalam penggunaan nyata. Kemampuan penalaran: Model kecil lebih mudah dikembangkan agar memiliki kemampuan berpikir logis, yang penting untuk meningkatkan transparansi dan kontrol AI. Bagi perusahaan, ini berarti AI tidak lagi hanya sebatas chatbot. Sekarang, perusahaan bisa membangun model yang lebih cerdas dan khusus untuk kebutuhan mereka sendiri, tanpa perlu investasi besar seperti membangun model AI besar. Nantinya, akan muncul berbagai alat dan model dasar yang memungkinkan perusahaan untuk menyaring dan menggunakan data mereka secara lebih efisien. Kunci Potensi AI Ada pada Manajemen Data Selama bertahun-tahun, industri AI terobsesi dengan mengumpulkan data sebanyak mungkin. Namun, dalam model mixture-of-experts, fokusnya bukan lagi pada jumlah data, tetapi pada kualitas dan pengelolaannya. Tantangan baru dalam AI kini meliputi: Memilih data berkualitas tinggi: AI hanya sebaik data yang digunakan untuk melatihnya. Memilah data yang relevan menjadi keunggulan strategis. Mengoptimalkan alur data: Memastikan data selalu diperbarui, dilacak, dan dikelola dengan baik. Infrastruktur yang mendukung AI: Sistem harus mampu mengindeks, memfilter, dan mengambil data dalam skala besar dengan cepat. DeepSeek telah menerapkan strategi ini dengan pipeline pemilihan data yang sangat terstruktur. Mereka tidak sekadar mengambil semua data yang ada, tetapi menyaringnya untuk meningkatkan efisiensi dan mengurangi biaya. AI yang mampu memilih data secara cerdas akan menjadi standar baru dalam pengembangan model masa depan. Infrastruktur AI di Masa Depan Seiring dengan pergeseran ke model AI yang lebih kecil dan lebih cerdas, infrastruktur juga harus berkembang. Sistem AI masa depan akan membutuhkan: Performa multi-dimensi: Mendukung ribuan model kecil yang berjalan bersamaan dengan sistem penyimpanan data yang efisien. Konektivitas tinggi: Pipeline data berbasis AI yang terus diperbarui secara otomatis. Penyimpanan yang cepat dan dapat diskalakan: Mampu menyimpan, mengambil, dan memproses data dalam jumlah besar secara real-time. Banyak perusahaan menghadapi tantangan besar dalam mengelola data AI yang terus berkembang. Model AI tidak hanya membutuhkan data yang terus bertambah, tetapi juga harus dapat mengindeks dan mengolahnya secara dinamis. Siklus pemrosesan ulang data ini menjadi kunci dalam membuat AI lebih efektif. Era Baru AI DeepSeek telah membuka mata dunia bahwa masa depan AI bukan tentang model yang lebih besar, tetapi tentang bagaimana kita mengelola data. Kini, model kecil bisa menjadi sangat canggih tanpa perlu investasi besar. AI kini menjadi lebih terjangkau dan lebih pintar, dan infrastruktur penyimpanan serta manajemen data akan mengalami perubahan besar. Intinya, inovasi sejati terjadi di persimpangan AI, data science, dan manajemen data. Penyimpanan data kini bukan sekadar tempat menyimpan informasi, tetapi juga alat untuk menyaring, mengorganisir, dan terus mengoptimalkan data untuk perkembangan AI di masa depan. Platform AI Masa Depan DeepSeek telah menunjukkan bagaimana AI bisa berkembang dengan pendekatan baru. Tantangan selanjutnya adalah bagaimana perusahaan dan penyedia infrastruktur dapat memanfaatkan peluang ini untuk menciptakan sistem yang benar-benar mendukung AI. Pure Storage siap mendukung masa depan berbasis AI ini. Dengan platform kami, perusahaan dapat memanfaatkan AI dengan infrastruktur data yang lebih sederhana, andal, fleksibel, dan efisien. AI akan terus berkembang, dan bisnis memerlukan platform yang bisa berkembang bersamanya—tanpa kompleksitas, lebih efisien, dan mampu diskalakan dengan mudah. Mari bersama-sama mendefinisikan ulang apa yang mungkin dilakukan dengan AI. Hubungi Pure Storage hari ini untuk menemukan bagaimana kami dapat membantu Anda mengoptimalkan data dan mendorong inovasi dengan AI.
Tag: AI
Akurasi Pengenalan Gambar Berbasis AI: Synology Meningkatkan Pemantauan Keamanan Perusahaan dengan Solusi yang Lebih Cerdas
Seiring dengan matangnya teknologi pengenalan gambar dalam pengawasan, teknologi ini tidak hanya memperkuat keamanan internal dan melindungi aset fisik yang vital, tetapi juga memungkinkan deteksi dan pemantauan insiden secara real-time. Selain deteksi pencurian dan vandalisme, AI dapat digunakan untuk menganalisis sejumlah besar rekaman pengawasan untuk menghasilkan wawasan yang berguna, seperti aliran kerumunan, identifikasi kendaraan, dan pelacakan okupansi. Synology telah menginvestasikan bertahun-tahun dalam pengembangan produk dan layanan pengenalan gambar yang komprehensif. Dari seri DVA, yang menyediakan analisis AI backend untuk aliran video pihak ketiga, hingga Kamera Synology yang dilengkapi kemampuan komputasi di edge, Synology telah menyediakan solusi pengawasan yang disesuaikan dengan kebutuhan unik bisnis tingkat perusahaan di seluruh dunia. Algoritma pembelajaran mendalam (deep learning) unik milik Synology telah mencapai akurasi lebih dari 97% dalam uji pengenalan wajah yang dilakukan oleh National Institute of Standards and Technology (NIST) di AS. Keberhasilan-keberhasilan ini menimbulkan beberapa pertanyaan penting bagi pengguna teknologi pengenalan gambar. Bagaimana sistem-sistem ini dilatih? Sejauh mana pelatihan yang diperlukan agar solusi pengenalan gambar dapat dianggap akurat? Bisakah akurasi ini ditingkatkan? Mari kita jelajahi bagaimana Synology membuat sistem pengawasan menjadi lebih cerdas. Membangun Model Pengenalan Gambar yang Akurat Hampir semua teknologi pengenalan gambar didasarkan pada model dasar yang sudah ada sebelumnya, yang kemudian disesuaikan untuk aplikasi tertentu. Akurasi sistem-sistem ini sangat bergantung pada investasi sumber daya dan upaya yang dilakukan oleh pemasok selama pengembangan. Tim pengawasan Synology telah meningkatkan akurasi model pembelajaran mendalam gambar mereka melalui dua fase utama: pelatihan ekstensif dan integrasi aplikasi. Selama fase pelatihan, tim tidak hanya mengumpulkan dataset yang tersedia secara publik dari internet, tetapi juga mengumpulkan data aplikasi dunia nyata untuk meningkatkan kinerja model. Sebagai contoh, kamera luar ruangan dilatih dengan menangkap adegan yang sama di bawah kondisi yang berbeda (siang, senja, malam, cerah, mendung, dan hujan) untuk membantu model meningkatkan akurasi pengenalan dalam kondisi yang menantang seperti cuaca mendung atau hujan. Tim pembelajaran mesin Synology terus mempelajari makalah akademik terbaru, berbagi dan mendiskusikan riset terkini setiap minggu, serta menerapkan temuan-temuan ini dalam pelatihan model. Model terkenal YOLO untuk deteksi objek, yang merilis versi baru secara berkala, telah mengajarkan tim teknik pembangunan dan pelatihan model tingkat lanjut. “Melihat banyaknya variabilitas dalam skenario pengawasan yang nyata, tidak ada teknologi pengenalan gambar yang tanpa batasan; tidak ada vendor yang dapat mencapai akurasi 100%,” kata Steven Liang, manajer grup pembelajaran mesin Synology. Tim ini melakukan uji lapangan dalam berbagai skenario untuk mengembangkan algoritma yang lebih canggih guna meningkatkan model. Tantangan terbesar terletak pada situasi yang tidak terduga yang bisa menyebabkan kesalahan penilaian AI, seperti kamera yang tertutup jaring laba-laba atau salah identifikasi objek yang memiliki siluet mirip manusia di malam hari. Untuk mengatasi kesalahan identifikasi, Synology memberi lebih banyak data kepada model untuk membedakan dengan lebih halus atau menyesuaikan struktur model untuk meningkatkan akurasi pengenalan. Solusi Berfokus pada Pelanggan Melalui Pembelajaran Mendalam Liang menekankan bahwa meningkatkan pengalaman pengguna tidak hanya sebatas menyempurnakan akurasi model pembelajaran mendalam – penting untuk menyediakan fitur deteksi AI yang disesuaikan dengan berbagai skenario, memenuhi kebutuhan yang dihadapi di berbagai industri. “Synology fokus pada solusi yang memenuhi kebutuhan operasional dunia nyata pelanggan kami, membantu mengurangi beban manajemen mereka dan meningkatkan keamanan,” ujarnya. Pengenalan gambar Synology menargetkan kebutuhan utama dalam sistem pengawasan, seperti mengidentifikasi orang dan kendaraan, serta dapat mendeteksi penutup wajah atau melacak pergerakan. Deteksi gerakan tradisional, yang sering terpicu oleh perubahan kecil seperti daun yang tertiup angin, dapat menyebabkan alarm palsu. Sebaliknya, fitur deteksi orang dan kendaraan berbasis AI Synology dibangun di atas model pembelajaran mendalam. Teknologi ini menawarkan akurasi lebih tinggi, dengan secara tepat mengidentifikasi orang atau kendaraan yang bergerak dalam rekaman dan melacak keberadaan mereka di area tertentu. Liang menjelaskan lebih lanjut bahwa model pembelajaran mendalam ini secara proaktif belajar untuk membedakan antara manusia dan kendaraan dari objek lain dalam video, mengatasi keterbatasan model deteksi gerakan sebelumnya yang hanya mengandalkan perubahan adegan, yang bisa dengan mudah terpicu oleh objek yang tidak relevan. Pengenalan gambar tingkat lanjut meningkatkan keamanan dengan memantau terus-menerus ancaman yang sudah ditentukan sebelumnya, seperti akses tidak sah oleh individu atau kendaraan yang dilarang, serta memastikan hanya staf yang memasuki area terbatas. Sistem Synology juga mengurangi beban kerja keamanan dengan layanan peringatan, seperti memberi tahu staf ketika area menjadi terlalu padat, ditambah dengan perencanaan respons yang cepat. Mengembangkan Kamera Synology dengan Teknologi Edge Computing Synology menekankan pentingnya analisis real-time sebagai metrik evaluasi yang krusial untuk arsitektur pengenalan gambar yang efektif, dengan menyoroti signifikansi teknologi edge computing. Keuntungan dari edge computing terletak pada pemrosesan gambar langsung di sumbernya, sehingga meminimalkan keterlambatan dan menghemat daya tanpa membebani server backend dengan tugas decoding dan perhitungan yang berlebihan. Tahun lalu, Synology memperkenalkan Synology Camera, produk utama yang menunjukkan kemampuan analisis gambar real-time. Kamera ini dilengkapi dengan Neural Processing Unit (NPU) yang dirancang untuk tugas komputasi dan AI, yang dikembangkan oleh tim pembelajaran mesin Synology. Model AI yang ringan memungkinkan perangkat kompak ini untuk mengenali gambar, termasuk mendeteksi orang, kendaraan, dan peristiwa intrusi. Ketika diintegrasikan dengan Surveillance Station, kamera ini memungkinkan pencarian gambar secara lebih cepat, membantu personel keamanan untuk dengan mudah mengidentifikasi potensi ancaman, segera memperjelas area yang mencurigakan, dan melanjutkan dengan pengambilan rekaman pengawasan yang relevan. Menyeimbangkan Kemajuan Teknologi dengan Alat Manajemen yang Andal Selain teknologi analisis video yang luar biasa, Synology menyediakan arsitektur pengawasan satu atap yang komprehensif, dengan fokus pada fitur penerapan dan manajemen yang membantu bisnis meningkatkan keamanan dengan mudah. Surveillance Station kompatibel dengan lebih dari 150 merek dan 8.400 model kamera, memberikan fleksibilitas bagi bisnis untuk terus menggunakan perangkat lama atau meningkatkan ke perangkat baru sesuai dengan kebutuhan dan anggaran mereka. Untuk manajemen sistem pengawasan multi-situs dan multi-server, Centralized Management System (CMS) Synology menawarkan kontrol terpusat dan pembaruan sistem massal, memungkinkan tim IT untuk mengelola hingga 10.000 kamera dan 1.000 server perekam Synology NAS. Setelah memastikan kelayakan manajemen skala besar, Synology juga mempertimbangkan biaya kepemilikan jangka panjang bagi bisnis. Surveillance Station, perangkat lunak pengawasan video komersial yang berjalan di Synology NAS, menggunakan model lisensi seumur hidup. Artinya, bisnis hanya perlu melakukan pembelian perangkat keras dan lisensi kamera sekali saja untuk menikmati fitur manajemen pengawasan yang komprehensif, dengan mudah membangun…